Permalink Submitted by پویا علی نیان (not verified) on Thu, 02/06/2020 - 10:45.
در این روش ابتدا ضرایب تمامی متغیرهای توضیحی صفر میکند و سپس متغیر توضیحی را انتخاب میکند که بیشترین همبستگی را با متغیر پاسخ داشته باشد. حال ضریب متغیر را به گونه ای افزایش میدهد که متغیر دومی همبستگی اش با باقیمانده ها نسبت به همبستگی متغیر اولی با باقیمانده ها بیشتر شود . حال دو ضریب داریم و ضرایب را به گونه ای افزایش می دهیم که یک متغیر سومی همبستگی بیشتری با باقیماندهی متغیرهایی که تا کنون وارد مدل شده اند داشته باشد. این کار را تا جایی ادامه میدهیم که تمام متغیرها وارد مدل شوند که در این روش باعث میشود مدل نهایی متغیر کمتری داشته باشد و بعضی از ضرایب مدل نیز صفر برآورد میشود. از مزایای آن هم این است که به اندازه ی انتخاب فروارد سریع است و اگر دو متغیر تاثیر یکسانی بر پاسخ داشته باشد به یک میزان تقریبا برابری ضرایب آن افزایش پیدا میکند و زمانی که تعداد متغیرهای توضیحی بیشتر از مشاهدات باشد موثر است چرا که با صفر برآورد کردن بعضی از ضرایب تعداد مجهولات را کم میکند.
Comments
پویا علی نیان
انتخاب متغیر
انتخاب متغیر
پویا علی نیان
رضا یارمحمدی
رضا یارمحمدی
مقایسه روش رگرسیون مرزی ولاسو
زهره کمالی
همه ی این روشهایی که گفتیم
سمیه ابراهیمی
عاطفه قمشی
انتخاب متغیر
برآورد اریب
Add new comment